招生就业
当前位置: 首页 >> 招生就业 >> 校友风采 >> 正文
张文全:西安交通大学机械工程博士
时间:2024年04月07日 09:22 陈君妍 阅读次数:[]








 




张文全,男,19962月出生,西安交通大学机械工程学院在读博士。2019年毕业于湖北汽车工业学院机械工程学院工业工程专业IE151班。

1.发表文章:Journal of Manufacturing Systems(中科院1top

  • Wenquan Zhang, Fei Zhao; A Novel Soft Actor-Critic Framework with Disjunctive Graph Embedding and Autoencoder Mechanism for Job Shop Scheduling Problems.(Journal of Manufacturing Systems-Under review)

  • Wenquan Zhang, Fei Zhao; A Novel collaborative agent reinforcement learning framework based on an Attention Mechanism and Disjunctive Graph Embedding for Flexible Job Shop Scheduling Problem(Journal of Manufacturing Systems)

2.发明专利:

  • 一种基于注意力机制和析取图嵌入的柔性作业车间调度方法

3.软著

  • 生产车间智能调度系统软件

4.研究经历:

2020/01-Present

l 基于数字孪生的动态调度算法验证系统

数字孪生技术能够更真实地反映实际生产场景。我专注于使用 Visual Components 工业仿真软件创建数字孪生虚拟生产线。

l 智能工厂信息建模

我们对每个生产线设备进行建模,定义运动关节、调度属性,并使用Python 脚本实现运动逻辑。还考虑了影响调度的因素。

l 智能体与环境之间的交互

基于.Net API的二次开发插件实现强化学习Agent与数字孪生仿真环境之间的TCP Socket通信。

2020/01-Present

l 基于深度强化学习的大规模车间调度方法研究

针对大规模作业车间调度这一普遍且具有挑战性的问题,我们提出了两种新颖的强化学习框架。

l 求解车间调度的深度强化学习框架

我们引入了 DGEAM-JSSP,这是一种新颖的强化学习模型,利用 GNN 来处理空间特征,并使用 Transformer 编码器来处理远程依赖性。经过 SAC 训练,它在大规模实例上实现了可扩展的策略泛化。

l 求解柔性作业车间调度的协同智能强化学习

我们提出了CARL,一种新颖的架构,通过析取图增强 Co-MDPGAT 提取全局状态信息,Transformer 编码器量化机器竞争。两个编码器为作业和机器代理提供不同的操作策略。

5.研究方向:

数字孪生,组合优化,大规模作业车间调度,深度强化学习,智能决策



 

关闭